1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
|
|
- Budi Tan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan eksplorasi daa. Meliha saisika deskripif dan plo dere waku nilai IHSG.. Melakukan pemilihan fungsi raaan awal yang didasarkan pada plo dere waku, plo ACF dan PACF. Model fungsi raaan erbaik yang dipilih memiliki penduga yang nyaa dan nilai AIC dan SC minimum. Kemudian dilakukan diagnosik sisaan unuk meliha kesesuaian model. 3. Melakukan uji LM unuk mendeeksi keberadaan pengaruh ARCH. Hipoesis nol yang diuji adalah H α α =... = α, yang : = q = mengindikasikan idak adanya efek ARCH. 4. Memodelkan fungsi ragam yang sesuai menggunakan model GARCH. Lalu menduga parameer fungsi raaan dan fungsi ragam secara simulan. Krieria pemilihan model erbaik berdasarkan nilai koefisien penduga yang nyaa, nilai AIC aau SC minimum, dan koefisien fungsi ragam yang posiif. Dilakukan pula diagnosik sisaan unuk meliha kesesuaian model. 5. Melakukan uji unuk memeriksa pengaruh keasimerikan (efek leverage) pada daa. 6. Memodelkan fungsi ragam menggunakan model EGARCH unuk mengaasi pengaruh keasimerikan. Lalu menduga parameer fungsi raaan dan fungsi ragam secara simulan. Krieria pemilihan model erbaik berdasarkan nilai koefisien penduga yang nyaa dan nilai AIC aau SC minimum. Dilakukan pula diagnosik sisaan unuk meliha kesesua ian model. 7. Membua kurva News Impac unuk meliha pengaruh keasimerikan secara visual. 8. Validasi model. Dilakukan validasi erhadap daa IHSG. 9. Melakukan peramalan nilai IHSG unuk 3 bulan ke depan. Sofware yang akan digunakan dalam membanu peneliian ini adalah MINITAB 5, Microsof Excel 3, dan Eviews 4.. HASIL DAN PEMBAHASAN Sejak awal pasar bursa dibuka, indeks harga saham elah mengalami flukuasi dari waku ke waku. Meski sempa erheni pada beberapa periode waku, kini indeks harga saham elah mengalami kemajuan yang sanga pesa. Pemerinah pun elah menganggap peningnya pasar modal sebagai alernaif pembiayaan selain perbankan. Seiring berjalannya waku, semakin banyak perusahaan yang memperdagangkan sahamnya di pasar bursa. Maka digunakan suau nilai indeks unuk meliha perkembangan harga saham di pasar bursa yang dikenal dengan nama Indeks Harga Saham Gabungan (IHSG). Pemerinah juga menggunakan IHSG sebagai paokan kebijakannya dalam rangka meliha penerimaan pasar aas kebijakan yang diambil. Pada ahun 998, Indonesia sempa mengalami krisis ekonomi yang berimbas pada nilai indeks harga saham gabungan yang menurun secara drasis, hingga mencapai iik erendahnya. Namun seelah krisis berlalu, pasar modal kembali berflukuasi, bahkan cenderung meningka. Hingga kini indeks harga saham gabungan elah mencapai level ribuan. Eksplorasi Daa Pada peneliian ini, daa yang digunakan adalah nilai raa-raa harian indeks harga saham gabungan (IHSG) mulai bulan Okober 999 (merupakan awal perbaikan ekonomi di Indonesia seelah mengalami krisis) sampai bulan Sepember 8. Sedangkan unuk membangun model, daa yang digunakan adalah nilai raa-raa Indeks Harga Saham Gabungan dari bulan Okober 999 sampai bulan Juni 8. Plo dere waku daa raa-raa nilai IHSG dari anggal Okober Juni 8 dapa diliha pada Gambar. Nilai raa-raa harian IHSG memiliki kecenderungan meningka hingga sempa mencapai iik eringgi pada level 8.8 pada anggal 4 Januari 8.
2 8 r aa-r aa // Scaerplo of raa-raa vs dae // //4 dae //6 //8 Gambar Plo dere waku nilai raa-raa harian IHSG. Lampiran memperlihakan plo ACF dan PACF dari nilai raa-raa harian IHSG. Plo ACF dari nilai raa-raa harian IHSG memperlihakan pola yang dying down, hal ini membukikan adanya keidaksasioneran daa. Maka perlu dilakukan pembedaan unuk mengaasi keidaksasioneran raaan dan ranformasi unuk mengaasi keidaksasioner dalam ragam. re urn // Scaerplo of reurn vs dae // //4 dae //6 //8 Gambar 3 Plo dere waku reurn harian IHSG. Dalam bidang finansial dikenal nilai reurn sebagai besarnya nilai pengembalian yang akan diperoleh sabagai hasil invesasi. Menggunakan nilai reurn pada analisis ini sama halnya melakukan pembedaan (differencing) dan ransformasi logarima pada daa raa-raa harian IHSG, sehingga daa akan sasioner. Nilai reurn diperoleh dari log( Y / Y ). Besarnya reurn merupakan besar perubahan nilai indeks yang erjadi pada waku ke dengan nilai indeks pada waku ke -. Gambar 3 merupakan plo daa dere waku nilai reurn harian IHSG. Tabel Saisika deskripif daa reurn IHSG Saisik Reurn deskripif Mean.96 Median.676 Maximum.55 Minimum Sd. Dev..56 Skewness Kurosis Jarque-Bera Probabiliy. Sum.6346 Sum Sq. Dev Observaions 9 Saisika deskripif dari daa reurn disajikan pada Tabel. Raa-raa nilai reurn yang bernilai posiif memberikan ari bahwa ingka pengembalian selama periode pengamaan mengalami peningkaan sebesar.96. Skewness (kemenjuluran) merupakan nilai yang digunakan unuk mengukur keidaksimerikan sebaran daa. Nilai kemenjuluran yang negaif menggambarkan bahwa daa memiliki ekor yang lebih panjang ke kiri (menjulur ke kiri) dan sebagian besar daa berada di nilai-nilai yang besar. Sedangkan nilai kemenjuluran yang posiif menggambarkan bahwa daa memiliki ekor yang lebih panjang ke kanan (menjulur ke kanan) dan sebagian besar daa berkumpul di nilai-nilai yang kecil. Nilai kemenjuluran daa reurn IHSG selama periode pengamaan sebesar -.87 menunjukkan bahwa daa menjulur ke kiri, berari sebagian besar daa IHSG berada di nilai-nilai yang besar. Sedangkan nilai kurosis (keruncingan) digunakan unuk mengukur keruncingan aau kelandaian dari sebaran daa. Nilai kerun cingan yang sanga besar (bernilai posiif) mengindikasikan bahwa sebaran daa memiliki ekor yang lebih panjang dari sebaran normal. Hal ini dapa dibukikan oleh uji Jarque-Bera. Sehingga keika dilakukan pendugaan erhadap nilai parameer, deviasi dari asumsi sebaran normal dapa dikoreksi dengan meode penduga quasi-maximum likelihood. Selain iu, Lo (3) menjabarkan bahwa sifa dari daa yang dipengaruhi proses ARCH anara lain adalah memiliki nilai keruncingan yang lebih dari 3. Nilai kerunciangan reurn IHSG yang diperoleh dari saisika deskripif sebesar 7.6 mengindikasikan bahwa sebaran daa memiliki ekor yang lebih panjang dari sebaran normal dan dicurigai daa reurn memiliki pengaruh ARCH. Melalui informasi ini, akan dilakukan uji lanju unuk meliha keberadaan pengaruh ARCH lebih jelas. Model GARCH
3 9 Fungsi raaan awal Pemilihan fungsi raaan awal dilakukan unuk meliha gambaran model dere waku bagi daa dere waku pengamaan. Pemilihan fungsi raaan awal didasarkan pada plo dere waku, plo ACF dan PACF. Plo ACF dan PACF daa reurn dapa diliha pada Lampiran 3. Pemodelan fungsi raaan awal dilakukan mengikui prosedur Box-Jenkis. Kandida model yang diperoleh pada pemodelan fungsi raaan dapa diliha pada Lampiran 4a. Kandida model erbaik yang dipilih adalah MA() anpa konsana. Model dipilih karena memiliki penduga yang nyaa dan nilai SC minimum. Seelah didapa kandida model erbaik, maka dilakukan overfiing unuk meliha apakah model yang dipilih sudah sesuai. Overfiing dilakukan dengan menambahkan parameer modelnya, sehingga modelnya menjadi MA(). Hasil overfiing dapa diliha pada Lampiran 4b. Berdasarkan hasil overfiing, ernyaa penduga parameer MA() idak signifikan. Berari model MA() sudah fi. Uji pengaruh ARCH Nilai keruncingan yang dihasilkan dari saisika deskripif menjadi salah sau indikasi adanya pengaruh ARCH, aau ragam sisaan yang heerogen. Cara lain unuk mendeeksi keberadaan pengaruh ARCH dapa dilakukan dengan meliha korelogram kuadra sisaan dan melakukan uji formal Lagrange Muliplier (LM). Korelogram kuadra sisaan dari fungsi raaan awal dapa diliha pada Lampiran 5. Korelogram kuadra sisaan menunjukkan adanya auokorelasi dari lag ke- sampai lag ke-36. Hal ini merupakan salah sau indikasi adanya ragam sisaan yang idak homogen (heerogen). Tabel Uji Lagrange -Muliplier sisaan fungsi raaan awal Lag ke- F-saisik Prob Sedangkan hasil uji LM dapa diliha pada Tabel. Berdasarkan hasil uji LM, nilai peluang LM sampai lag ke- kurang dari araf nyaa 5%, dengan kaa lain mempunyai nilai LM yang signifikan. Hasil ersebu menunjukkan bahwa ragam sisaan idak homogen. Banyaknya lag yang nyaa menunjukkan besaran orde yang diperlukan pada model ARCH. Orde yang sanga besar pada model ARCH dapa diaasi dengan menggunakan model GARCH. Uji Kenormalan Jarque-Bera erhadap sisaan dari fungsi raaan awal menghasilkan nilai saisik JB sebesar dan nilai-p kurang dari araf nyaa 5%, arinya sisaan idak menyebar normal. Maka meode pendugaan parameer yang akan digunakan pada pendugaan fungsi raaan dan fungsi ragam secara simulan adalah quasi maximum likelihood agar deviasi sebaran normalnya dapa erkoreksi. Sedangkan hisogram dan plo quanil-quanil sebaran sisaannya dapa diliha pada Gambar 4 dan Gambar 4 Hisogram sisaan fungsi raaan awal. Normal Quanile RESID_RATAAN Gambar 5 Plo quanil-quanil sisaan fungsi raaan awal. Model GARCH Berdasarkan nilai keruncingan daa, korelogram kuadra sisaan dari fungsi raaan
4 awal, dan uji Lagrange Muliplier, dapa disimpulkan bahwa daa reurn IHSG pada periode pengamaan memiliki pengaruh ARCH. Sehingga salah sau cara yang dapa dilakukan unuk mengaasi adanya pengaruh ragam ak homogen adalah dengan memodelkan fungsi raaan dan fungsi ragam secara simulan. Model ragam perama yang akan digunakan adalah model GARCH. Model yang dipilih dari pendugaan fungsi raaan dan fungsi ragam secara simulan dengan model GARCH adalah MA()- GARCH(,) karena mempunyai koefisien yang signifikan, koefisien ragam yang bernilai posiif, dan memiliki nilai SC erkecil. Hasil pendugaan dapa diliha pada Tabel 3. Modelnya dapa diulis sebagai beriku. Fungsi raaan : y =.545+ ε +.59ε Fungsi ragam : σ =.56E σ.ε Arinya nilai harian IHSG hari ini dipengaruhi oleh sisaan periode sebelumnya, sedangkan ragam bersyaranya merupakan fungsi dari sisaan dan ragam bersyara periode sebelumnya. Diagnosik sisaan Karena belum ada lielaur yang menjelaskan enang cara menenukan model GARCH erbaik, maka dilakukan diagnosik sisaan unuk meliha apakah model yang dipilih sudah sesuai. Dianara asumsi yang diperiksa adalah keacakkan sisaan, kenormalan gala sisaan, dan kebebasan anar sisaan. Tabel 3 Pendugaan fungsi raaan dan fungsi ragam dengan model GARCH Model Parameer Koef. Sd.Er ror Z-Saisik Prob AIC SC Fungsi raaan MA()- GARCH(,) C MA() Fungsi ragam C.56E-6 5.3E α β Uji kehomogenan ragam dan kebebasan anar sisaan. Hasil uji Lagrange Muliplier dapa diliha pada Tabel 4. Tabel 4 Uji Lagrange -Muliplier sisaan model GARCH F- saisic.6 Probabiliy.833 Obs*Rsquared.6 Probabiliy.83 Hasil uji Lagrange -Muliplier pada lag ke- memperlihakan nilai probabilias sebesar.833, yang lebih besar dari araf nyaa 5%, sehingga hipoesis nol bahwa anar sisaan idak memiliki korelasi aau sisaan idak memiliki pengaruh ARCH dierima. Arinya, sisaan memiliki ragam yang homogen dan anar sisaan saling bebas. Sedangkan korelogram kuadra sisaannya dapa diliha pada Lampiran 6. Semua lag menghasilkan probabilias yang idak signifikan, arinya anar sisaan sudah idak ada auokorelasi.. Uji kenormalan. Uji Jarque Bera dari sisaan model GARCH menghasilkan probabilias yang kurang dari araf nyaa 5%. Arinya, sisaan idak memiliki sebaran normal, asumsi kenormalan elah dilanggar. Tapi, adanya pelanggaran erhadap asumsi kenormalan idak erlalu berpengaruh erhadap pemodelan. Karena adanya penyimpangan erhadap asumsi kenormalan sisaan merupakan indikasi bahwa daa memiliki volailias yang sanga acak. Sedangkan hisogram sisaan dan plo quanil-quanil sisaannya dapa diliha pada Gambar 6 dan Gambar 6 Hisogram sisaan model GARCH.
5 Normal Quanile Gambar 7 Plo quanil-quanil sisaan model GARCH. Model EGARCH Pada beberapa daa finansial, conohnya daa indeks saham, erdapa korelasi negaif anara nilai reurn dengan volailiasnya (pengaruh asimerik). Model GARCH menjadi kurang epa unuk digunakan. Maka Nelson (99) memperkenalkan model Eksponensial- GARCH (EGARCH) sebagai fungsi logarima dari ragam bersyaranya. Sebelumnya akan diuji erlebih dahulu unuk meliha keberadaan pengaruh asimerik pada daa reurn IHSG. Uji pengaruh asimerik (efek leverage) Unuk menguji adanya pengaruh keasimerikan (efek leverage) pada daa, dilakukan pengujian auokorelasi anara sisaan kuadra dari model GARCH erhadap lag sisaannya. Dengan persamaan regresi sebagai beriku. s =.989.s.79s.6s 3 Nilai probabilias yang dihasilkan dari pendugaan regresinya kurang dari araf nyaa 5%, arinya sisaan kuadra model GARCH berkorelasi nyaa dengan lag ke- sisaannya. Yang mengindikasikan bahwa erdapa pengaruh asimerik, sedangkan anda negaive pada nilai koefisien memperlihakan keberadaan efek leverage (pengaruh asimerik) pada daa. Sehingga unuk mengaasi pengaruh keasimerikan pada daa, akan lebih epa jika pemodelan dilakukan dengan model Eksponensial -GARCH (EGARCH). Tabel 5 Hasil pendugaan model regresi kuadra sisaan erhadap lag sisaannya Var. Coeff. Sd. Error - Saisik Prob. C s(-) s(-) s(-3) F-saisic Probabiliy.5 Model EGARCH Seelah diyakini daa reurn harian IHSG memiliki pengaruh asimeerik, maka fungsi ragam daa reurn akan dimodelkan dengan model EGARCH. Pada model EGARCH, koefisien-koefisiennya diizinkan bernilai negaif, karena benuk log-linier pada fungsi ragamnya akan berakiba nilai ragam bersyaranya idak akan pernah bernilai negaif. Hasil pendugaan fungsi raaan dan fungsi ragam dengan model EGARCH dapa diliha pada Tabel 6. Model yang dipilih adalah MA()-EGARCH(,), karena memiliki nilai koefisien yang signifikan dan nilai saisik SC yang minimum. Modelnya dapa diulis sebagai beriku. Fungsi raaan : y = ε +.5ε Fungsi ragam : ε e = σ log( σ ) = log( σ ) e.8 ( e ) Tabel 6 Pendugaan fungsi raaan dan fungsi ragam dengan model EGARCH Model Parameer Koef. Sd.Error MA()- EGARCH(,) STDRESID_GARCH Z- Saisik Fungsi raaan MA() Fungsi ragam C α γ β Prob AIC SC
6 Dari hasil pendugaan diperoleh nilai koefisien γ =.8, nilai ersebu menujukkan adanya pengaruh keasimerikan karena γ, dan membukikan adanya efek leverage karena nilai γ bernilai negaif (kurang dari ). Diagnosik sisaan Seperi halnya model GARCH, belum diemukan pula lielaur yang menjelaskan cara unuk menenukan model EGARCH erbaik. Maka dilakukan diagnosik sisaan unuk meliha apakah model EGARCH yang dipilih sudah sesuai. Asumsi yang diperiksa adalah keacakkan sisaan, kenormalan gala sisaan, dan kebebasan anar sisaan.. Uji kehomogenan ragam dan kebebasan anar sisaan. Hasil uji Lagrange -Muliplier dapa diliha pada Tabel 7. Tabel 7 Uji Lagrange -Muliplier sisaan model EGARCH F- saisic.7 Probabiliy.783 Obs*Rsquared.8 Probabiliy.78 Hasil uji Lagrange -Muliplier pada lag ke- memperlihakan nilai probabilias sebesar.783, yang lebih besar dari araf nyaa 5%, sehingga hipoesis nol bahwa anar sisaan idak memiliki korelasi aau sisaan idak memiliki pengaruh ARCH dierima. Arinya, sisaan memiliki ragam yang homogen dan anar sisaan saling bebas. Sedangkan korelogram kuadra sisaannya dapa diliha pada Lampiran 7. Hasil korelogram kuadra sisaan sudah idak signifikan, arinya anar sisaan sudah idak ada auokorelasi.. Uji kenormalan. Uji Jarque Bera dari sisaan model EGARCH menghasilkan nilai probabilias kurang dari araf nyaa 5%. Arinya, sisaan idak memiliki sebaran normal, asumsi kenormalan elah dilanggar. Tapi, adanya pelanggaran erhadap asumsi kenormalan idak erlalu berpengaruh erhadap pemodelan. Karena adanya penyimpangan erhadap asumsi kenormalan sisaan merupakan indikasi bahwa daa memiliki volailias yang sanga acak dan memiliki nilai-nilai yang eksrim. Sedangkan hisogram sisaan dan plo quanil-quanil sisaannya dapa diliha pada Gambar 8 dan Gambar 8 Hisogram sisaan model EGARCH. Normal Quanile Gambar 9 Plo quanil-quanil sisaan model EGARCH. Kurva News Impac Selain dengan meregresikan anara kuadra sisaan model GARCH dan lag sisaannya, pengaruh keasimerikan dapa diperiksa secara visual menggunakan Kurva News Impac. Gambar merupakan kurva News Impac yang memplokan sisaan dengan ragam bersyara model EGARCH. Gambar ersebu memperlihakan adanya guncangan yang negaif dari z (nilai reurn urun) akan mempunyai pengaruh yang lebih besar erhadap volailias (pergerakan ragam bersyara) dibandingkan guncangan yang posiif dengan besaran yang sama. SIG STDRESID_EGARCH Z Gambar Kurva News Impac.
7 3 Validasi Model Melalui pemeriksaan keasimerikan daa dikeahui bahwa daa reurn IHSG selama periode pengamaan memiliki pengaruh yang asimerik maka akan lebih fi jika dimodelkan dengan fungsi ragam model EGARCH. Validasi model dilakukan menggunakan daa harian IHSG yang digunakan unuk membangun model, yaiu daa dari bulan Okober 999 sampai Juni 8. Nilai-nilai saisik hasil validasi dapa diliha pada Tabel 8. Tabel 8 Nilai Saisik validasi model EGARCH Saisik Validasi Mean Error.5778 Mean Absolue Error Mean Square Error Roo Mean Square Error Mean Absolue Percen Error Suau model dikaakan baik jika menghasilkan nilai-nilai saisik yang kecil. Berdasarkan nilai saisik hasil validasi pada Tabel 8, nilai MAPE yang diperoleh adalah.78%. Pada Lampiran 8a juga dapa erliha bahwa plo dere waku anara nilai akual dan prediksi hampir berhimpi sempurna. Model GARCH, dan EGARCH mencoba memodelkan ragam bersyaranya sebagai fungsi dari daa sebelumnya dan ragam dari daa sebelumnya. Maka, selain hasil prediksi dari nilai raa-raa harian IHSG, model GARCH, dan EGARCH juga menghasilkan prediksi dari ragam bersyaranya. Ragam bersyara ini memperlihakan secara visual enang perilaku pergerakan nilai harian IHSG selama periode pengamaan. Nilai ragam yang diperoleh menunjukkan besarnya resiko sebagai hasil invesasi. Berdasarkan model yang diperoleh, nilai ragam bersyara dari daa in-sample dapa diliha pada Gambar. ragam bersyara // Scaerplo of ragam bersy ara vs dae // //4 d ae //6 //8 Gambar Ragam bersyara daa in-sample. Berdasarkan nilai ragam bersyara daa in-sample yang dapa diliha pada Gambar, memperlihakan perubahan yang liar pada ragam bersyaranya. Teruama pada periodeperiode erakhir. Hal ini disebabkan oleh nilai IHSG yang idak sabil pada periode ersebu. Simulasi Peramalan Nilai Raa -raa Harian IHSG Peramalan dilakukan menggunakan daa dari anggal Juli 8 9 Sepember 8. Peramalan dilakukan dengan dua cara, peramalan one-sep ahead dan peramalan muli-sep ahead. Peramalan one-sep ahead dilakukan unuk meliha nilai IHSG unuk persau hari kedepan. Meode ini biasanya hany a digunakan unuk mengamai kecenderungan pergerakan daanya selama periode pengamaan. Sedangkan peramalan muli-sep ahead dilakukan unuk meliha nilai IHSG dalam beberapa hari ke depan, unuk jangka panjang. Tabel 9 Nilai Saisik peramalan one-sep ahead model EGARCH Saisik One-sep ahead Mean Error Mean Absolue Error Mean Square Error Roo Mean Square Error Mean Absolue Percen Error Nilai-nilai saisik dari peramalan onesep ahead dapa diliha pada Tabel 9. Peramalan yang dihasilkan memberikan nilai MAPE yang masih baik, yaiu sebesar.45%. Sedangkan nilai saisik hasil peramalan muli-sep ahead dapa diliha pada Tabel. Tabel Nilai Saisik peramalan muli-sep ahead model EGARCH Saisik Muli -sep ahead Mean Error Mean Absolue Error Mean Square Error Roo Mean Square Error Mean Absolue Percen Error Nilai MAPE yang dihasilkan peramalan 3 bulan ke depan sebesar 3.7%. Hal ersebu berakiba model idak cukup baik dalam meramalkan nilai harian IHSG. Plo hasil
8 4 peramalan sau hari ke depan dan 3 bulan ke depan dapa diliha pada Lampiran 8b. Ragam Bersyara Peramalan erhadap ragam beryara akan membanu para pemegang as e dalam menenukan perilaku nilai yang akan daang. Ramalan ragam bersyara ini selanjunya dapa digunakan unuk menghiung besarnya resiko dalam memegang ase yang akan dihadapi di masa yang akan daang. Hasil peramalan one-sep ahead ragam bersyara unuk daa ou-sample dapa diliha pada Gambar. Sedangkan Gambar 3 memperlihakan hasil peramalan muli -sep ahead. ragam bersyara //8 Scaerplo of ragam bersyara vs Dae 8//8 9//8 //8 Dae //8 //8 //9 Gambar Peramalan ragam bersyara onesep ahead. ragam ber sy ara / / 8 Scaerplo of ragam bersyara vs Dae 8//8 9// 8 / / 8 Dae //8 // 8 // 9 Gambar 3 Peramalan ragam bersyara mulisep ahead. Gambar memperlihakan nilai ragam bersyara dalam jangka pendek. Pola yang diperlihakan masih liar. Teruama pada perengahan periode, dikarenakan nilai IHSG yang idak sabil. Sedangkan Gambar 3 memperlihakan nilai ragam bersyara dalam jangka panjang. Dimana nilai ragam bersyaranya akan konvergen menuju suau nilai. Dengan asumsi nilai IHSG sabil. Besarnya resiko yang dihadapi pemegang saham di masa yang akan daang dapa dihiung melalui analisis resiko. Evaluasi Model GARCH vs EGARCH Evaluasi ini dilakukan unuk meliha kekurangan pada model GARCH yang dapa diaasi oleh model EGARCH. Perama, model GARCH membaasi nilai parameernya agar ragam bersyaranya bernilai posiif. Yaiu masing-masing parameernya harus posiif, α i dan β i. Sedangkan model EGARCH idak membaasi nilai parameernya, karena fungsi ragamnya berupa fungsi logarima yang idak akan menghasilkan nilai ragam negaif. Hasil pendugaan parameer model GARCH dan EGARCH dapa erliha pada Tabel 4 dan 8. Dimana parameer yang dihasilkan model GARCH yaiu α =. dan β =. 673, keduanya memiliki nilai posiif, sedangkan parameer model EGARCH α =.384, β =.85, dan γ =.8, dengan salah sau parameernya ( γ ) bernilai negaif. Nilai parameer γ yang negaif dan idak sama dengan nol, sekaligus menunjukkan keunggulan yang kedua model EGARCH dari model GARCH yaiu model EGARCH memperimbangkan adanya pengaruh keasimerikan (efek leverage). Pengaruh asimerik diunjukkan adanya perbedaan pengaruh perubahan guncangan erhadap volailiasnya. Keika erjadi guncangan posiif ( ε ), perubahan volailiasnya sebesar ( γ + α ) =. 76. Sedangkan keika erjadi guncangan negaif ( ε < ), perubahan volailiasnya sebesar ( γ α) =. 49. Perubahan volailias yang diakibakan adanya guncangan negaif lebih besar dari guncangan posiif. Terakhir, sebagai akiba dari idak dapa mengaasi pengaruh asimerik, model GARCH erlalu over dalam memprediksi ragam bersyaranya, hal ini diakibakan oleh nilai ε aau menghasilkan nilai σ yang besar akan σ yang besar pula. Seperi erliha pada Lampiran 9, ragam bersyara yang dihasilkan oleh model GARCH pada validasi dan peramalan one-sep ahead lebih liar dibandingkan nilai ragam bersyara yang dihasilkan model EGARCH, nilai ragam yang eksrim pada model GARCH (yang merupakan akiba dari efek leverage) dapa diaasi oleh model EGARCH. Sedangkan pada peramalan muli -sep ahead nilai ragam bersyara yang dihasilkan model GARCH lebih besar dari model EGARCH.
ANALISIS DATA DERET WAKTU DENGAN RAGAM GALAT HETEROGEN DAN ASIMETRIK : Studi Indeks Harga Saham Gabungan Periode
ANALISIS DATA DERET WAKTU DENGAN RAGAM GALAT HETEROGEN DAN ASIMETRIK : Sudi Indeks Harga Saham Gabungan Periode 999-008 NIRAWITA UNTARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciPENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3732
ISSN : 355-9365 e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 373 Sifa Asimeris Model Prediksi Generalized Auoregressive Condiional Heerocedasiciy (GARCH) dan Sochasic Volailiy Auoregressive
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.
PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciBAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja
BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
Lebih terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciPENERAPAN MODEL ARCH/GARCH DAN MODEL MSAR (MARKOV-SWITCHING AUTOREGRESSION) PADA NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA DAN IHSG
PENERAPAN MODEL ARCH/GARCH DAN MODEL MSAR (MARKOV-SWITCHING AUTOREGRESSION) PADA NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA DAN IHSG BAYU GUNANJAR DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.. Hasil Peneliian 4... Daa Hasil Peneliian Dari hasil peneliian diperoleh daa kemampuan dribble. hasilnya sebagai mana pada abel I (dilampirkan) 4... Deskripsi
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciModel ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014
JEKT Model ARIMAX Dan Deeksi GARCH Unuk Peramalan Inflasi Koa Denpasar Tahun 2014 Rukini *) Badan Pusa Saisik Provinsi Bali ABSTRAK pemerinah dalam mengambil kebijakan unuk menjaga sabilias moneer di masa
Lebih terperinciAbstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.
1 Peramalan Volume Produksi Air Bersih di PDAM Kabupaen Bojonegoro berdasarkan Jumlah Pelanggan dan Volume Konsumsi Air Fasha Aulia Pradhani dan Adaul Mukarromah Jurusan Saisika, FMIPA, ITS Jl. Arief Rahman
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-299
JURNAL SAINS DAN SENI ITS Vol. 4, No., (5) 337-35 (3-98X Prin) D-99 Esimasi Value a Risk (VaR) Porofolio Saham yang Tergabung dalam Indeks LQ45 Periode Agusus 4 sampai Januari 5 Menggunakan Meode Copula
Lebih terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciPEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Prosiding Seminar Nasional Peneliian, Pendidikan dan Penerapan MIPA Fakulas MIPA, Universias Negeri Yogyakara, 16 Mei 29 PEMODELAN VOLATILITAS DALAM ANALISIS DATA MAKROEKONOMI STUDI KASUS PADA INFLASI.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciBAB II MATERI PENUNJANG. 2.1 Keuangan Opsi
Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.
Lebih terperinciBAB III DATA DAN METODOLOGI PENELITIAN
BAB III DATA DAN METODOLOGI PENELITIAN 3. Daa Pada karya akhir ini proxy unuk mengukur kegiaan perekonomian adalah ingka perubahan GDP real per kuaral dari ahun 3:Q sampai dengan ahun 8:Q dengan ahun dasar.
Lebih terperinciPROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA
PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Air merupakan kebuuhan pokok bagi seiap makhluk hidup di dunia ini ermasuk manusia. Air juga merupakan komponen lingkungan hidup yang pening bagi kelangsungan hidup
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciARIMA (Autoregressive Integrated Moving Average)
ARIMA (Auoregressive Inegraed Moving Average) I. Prinsip Dasar dan Tujuan Analisis. Prinsip Dasar ARIMA sering juga disebu meode runun waku Box-Jenkins. ARIMA sanga baik keepaannya unuk peramalan jangka
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hipoesis Peneliian Seperi yang sudah dijelaskan pada bab-bab sebelumnya, peneliian ini mencoba menemukan anomali DOTW pada volailias dan volume saham dengan menggunakan
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Dalam peneliian ini, penulis akan menggunakan life cycle model (LCM) yang dikembangkan oleh Modigliani (1986). Model ini merupakan eori sandar unuk menjelaskan perubahan dari
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciBAB III METODOLOGI PENELITIAN
perpusakaan.uns.ac.id BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Peneliian Peneliian ini dilaksanakan di Indonesia dengan periode ahun 984 sampai dengan ahun 0. Peneliian ini memfokuskan pada fakor-fakor
Lebih terperinciMETODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya
III. METODE PENELITIAN A. Meode Dasar Peneliian Meode yang digunakan dalam peneliian ini adalah meode kuaniaif, yang digunakan unuk mengeahui dan pembahasannya mengenai biaya - biaya usaha melipui biaya
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciPeramalan Return Saham Bank Central Asia Menggunakan Self Exciting Threshold Autoregressive Genetic Algorithm
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Prin) D-71 Peramalan Reurn Saham Bank Cenral Asia Menggunakan Self Exciing Threshold Auoregressive Geneic Algorihm Tesalonika Puri dan
Lebih terperinciDAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)
DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Sudi Aplikasi Model Inervensi dengan Sep Funcion) S-3 Kismianini dan Dhoriva Urwaul Wusqa Jurusan Pendidikan Maemaika
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciMODUL III ANALISIS KELAYAKAN INVESTASI
ANALISIS KELAYAKAN INVESTASI 3.. Tujuan Ö Prakikan dapa memahami perhiungan alokasi biaya. Ö Prakikan dapa memahami analisis kelayakan invesasi dalam pendirian usaha. Ö Prakikan dapa menyusun proyeksi/proforma
Lebih terperinciTINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI. Oleh:
Arikel Skripsi TINGKAT KEBUGARAN JASMANI KELAS VIII SEKOLAH MENENGAH PERTAMA NEGERI 1 DONOROJO TAHUN PELAJARAN 2014/ 2015 SKRIPSI Diajukan Unuk Memenuhi Sebagian Syara Guna Memperoleh Gelar Sarjana Pendidikan
Lebih terperinciPenerapan Model ARIMA Dalam Memprediksi IHSG
Penerapan Model ARIMA Dalam Memprediksi IHSG Bambang Hendrawan Polieknik Baam Parkway Sree, Baam Cenre, Baam 29461, Indonesia e-mail: benks@polibaam.ac.id Absrak: Tujuan peneliian ini adalah unuk mencari
Lebih terperinciPENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK
PENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 009 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciPerancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing
Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciPengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia
BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG
Lebih terperinciPeramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :
Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Muli Inpu Nama : Nesia Brilliana I.P NRP : 20800023 Jurusan : Maemaika Dosen Pembimbing : Dra. Nuri Wahyuningsih, M. Kes Pemberian pupuk
Lebih terperinciPemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network
D-378 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (26) 2337-3520 (23-928X Prin) Pemodelan Produksi Minyak dan Gas Bumi pada Plaform MK di PT X Menggunakan Meode ARIMA, Neural Nework, dan Hibrida ARIMA-Neural
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB II PERTIDAKSAMAAN CHERNOFF
BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a
Lebih terperinciMetode Regresi Linier
Modul 1 Meode Regresi Linier Prof. DR. Maman Djauhari A PENDAHULUAN nalisis regresi linier, baik yang sederhana maupun yang ganda, elah Anda pelajari dalam maa kuliah Meode Saisika II. Dengan demikian
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciPeramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk
Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk Oleh : Dwi Hapsari K (1306 100 015) Dosen Pembimbing : Dra. Karika Firiasari, M.Si 1 Pendahuluan Laar Belakang, Perumusan Masalah, Tujuan
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciPeramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS
JURNAL SAINS DAN SENI IS Vol. 4, No., () 2337-3 (2-928X Prin) D-67 Peramalan Inflasi Nasional Berdasarkan Fakor Ekonomi Makro Menggunakan Pendekaan ime Series Klasik dan ANFIS Clara Agusin Sephani, Agus
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.. Ruang Lingkup Peneliian Peneliian ini diujukan unuk menenukan meode erbaik yang dapa digunakan dalam meramalkan harga ayam pada enam koa besar di Jawa-Bali. Meode peramalan yang
Lebih terperinciBAB 2 TINJAUAN TEORI
7 BAB 2 TINJAUAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinci